DE10340793A1 - Processed time sequence measurement data systematic error detection procedure for meteorological or other data uses autocovariance processing of additive white noise - Google Patents
Processed time sequence measurement data systematic error detection procedure for meteorological or other data uses autocovariance processing of additive white noise Download PDFInfo
- Publication number
- DE10340793A1 DE10340793A1 DE2003140793 DE10340793A DE10340793A1 DE 10340793 A1 DE10340793 A1 DE 10340793A1 DE 2003140793 DE2003140793 DE 2003140793 DE 10340793 A DE10340793 A DE 10340793A DE 10340793 A1 DE10340793 A1 DE 10340793A1
- Authority
- DE
- Germany
- Prior art keywords
- error
- data
- processing
- noise
- autocovariance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D1/00—Measuring arrangements giving results other than momentary value of variable, of general application
- G01D1/02—Measuring arrangements giving results other than momentary value of variable, of general application giving mean values, e.g. root means square values
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D1/00—Measuring arrangements giving results other than momentary value of variable, of general application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Abstract
Description
Die Erfindung betrifft ein Verfahren zur rechnerischen Ermittlung systematischer Fehler im Rahmen einer mit Datenverarbeitungsroutinen arbeitenden Prozessierung von in Zeitreihen experimentell gewonnenen Messdaten.The The invention relates to a method for mathematical determination of systematic Errors as part of a work with data processing routines Processing of measured data experimentally obtained in time series.
Bei der Datenverarbeitung von experimentell gewonnenen Messdaten-Zeitreihen ist die Angabe eines Fehlers für die berechneten Daten eine wesentliche Grundlage zur Diskussion der Ergebnisse. In der Messtechnik wird dabei allgemein zwischen statistischen und systematischen Fehlern unterschieden. Während ein statistischer Fehler mit Hilfe statistischer Methoden, vor allem mit der Autokovarianzmethode und der Spektralanalyse, direkt aus den berechneten Zeitreihen bestimmt werden kann, erfordert die Betrachtung von systematischen Fehlern, die beispielsweise durch die Kalibriergenauigkeiten der verwendeten Sensoren gegeben sind, eine explizite Fehlerrechnung. Ändern sich die Werte von Messgrößen während eines Beobachtungszeitraumes merklich, so ist der Fehler im Endergebnis eine ebenfalls zeitabhängige Größe. Eine Fehlerbetrachtung sollte also für verschiedene Zeitintervalle entlang dem Messzeitraum möglich sein.at the data processing of experimentally obtained measurement data time series is the specification of an error for the calculated data is an essential basis for discussion the Results. In metrology is generally between statistical and systematic errors. While a statistical error using statistical methods, especially the autocovariance method and spectral analysis, determined directly from the calculated time series requires consideration of systematic errors, for example, by the calibration accuracy of the used Sensors are given, an explicit error calculation. Vary the values of measurands during a Observation period noticeable, so is the error in the end result a likewise time-dependent Size. A So error consideration should be for different time intervals may be possible along the measurement period.
Bei der Fehlerrechnung im Zusammenhang mit der Ermittlung systematischer Fehler werden bisher im wesentlichen zwei Verfahren angewendet, nämlich die Fehlerfortpflanzungsrechnung und die sogenannte Monte-Carlo-Methode.at the error calculation in connection with the determination of systematic Errors are so far applied essentially two methods, namely the Error propagation calculation and the so-called Monte Carlo method.
Die klassische Fehlerfortpflanzungsrechnung ist eine analytische Lösung des Problems und beruht auf der Linearisierung der Berechnungsroutinen bezüglich ihrer Eingangsgrößen durch Bildung lokaler Ableitungen nach der jeweiligen Messgröße. Sie kann also für jede Kombination der Eingangsmessgrößen und Fehler explizit gerechnet werden. Voraussetzung für die Durchführung dieses Verfahren ist es, dass die lokale Ablei tung gebildet werden kann, die Datenverarbeitung also einem funktionalen Zusammenhang folgt.The classical error propagation calculation is an analytical solution of the Problems and is based on the linearization of the calculation routines in terms of their input quantities Formation of local derivatives according to the respective measured variable. she so can for every combination of the input quantities and errors is calculated explicitly become. requirement for the implementation this method is that the local Ablei tion can be formed, the data processing follows a functional context.
Bei der Fehlerfortpflanzungsmethode besteht der Nachteil, dass in der Linearisierung durch Bildung der lokalen Ableitung bereits eine erste Fehlerquelle steckt, da bei stark nichtlinearen Zusammenhängen und großen Fehleramplituden deutliche Abweichungen entstehen. Diese bekannte Methode berücksichtigt auch keine eventuelle Vorzeichenabhängigkeit (Asymmetrie) in der Fehlerfortpflanzung. Die Auswirkung einer Korrelation, also eines funktionalen Zusammenhangs zwischen verschiedenen Fehlerbeiträgen, wird von dieser bekannten Methode auch nicht erfasst.at The error propagation method has the disadvantage that in the Linearization by formation of the local derivative already one first source of error because in highly nonlinear relationships and huge Error amplitudes significant deviations arise. This known Method considered also no possible sign dependence (asymmetry) in the Error propagation. The effect of a correlation, so one functional relationship between different error contributions, is also not covered by this known method.
Erschwerend erfordert die Durchführung einer Fehlerrechnung nach der bekannten Fehlerfortpflanzungsmethode einen erheblichen programmiertechnischen Aufwand, da quasi der gesamte Datenverarbeitungsprozess in der Fehlerrechnung nachgebildet werden und permanent dem jeweiligen Stand durch entsprechende Erweiterungen angepasst werden muss. Die Fehlerrechnung im klassischen Sinn ist also ein Programm-Modul, der hinsichtlich seines Umfanges größer als derjenige des eigentlichen Datenverarbeitungsprozesses auszulegen ist. In denjenigen Fällen, in denen die Datenverarbeitung einem nichtfunktionalen Zusammenhang folgt, ist die Berechnung einer Fehlerfortpflanzung überhaupt nicht möglich.aggravating requires implementation an error calculation according to the known error propagation method a considerable programming effort, since virtually the entire Data processing process are simulated in the error calculation and permanently to the respective state by appropriate extensions must be adjusted. The error calculation in the classical sense is So a program module that is larger in size than to interpret the one of the actual data processing process is. In those cases, where the data processing is a non-functional relationship follows, is the calculation of an error propagation at all not possible.
Monte-Carlo-Verfahren werden auf eine bestimmte Kombination von Messwerten einer Zeitreihe, z.B. Mittelwerte, angewandt. Sie beruhen auf der zufälligen, künstlichen Variation einer der Messgrößen am Eingang der Prozessierung mit anschließender Prozessierung dieser Wertekombination. Diese Datenprozessierung wird so oft durchgeführt, bis eine statistisch rele vante Aussage über den Fehler im Ergebnis getroffen werden kann.Monte Carlo method are based on a specific combination of measured values of a time series, e.g. Mean values, applied. They are based on the random, artificial Variation of one of the measured quantities at the input the processing with subsequent Processing of this combination of values. This data processing is done so often to a statistically rele vant statement about the error in the result can be taken.
Das bekannte Monte-Carlo-Verfahren beruht auf einer wiederholten Berechnung der Daten mit variierenden Eingangsparametern. Dabei muss eine statistisch relevante Anzahl von Rechenläufen durchgeführt werden, damit ein aussagekräftiges Ergebnis erzielt werden kann. Dies erfordert einen extrem hohen Rechen- bzw. Zeitaufwand, was diese Art von Fehlerrechnung für schnelle Analysen eher uninteressant oder manchmal sogar völlig ungeeignet macht. Auch gilt das Ergebnis der Fehlerrechnung nur an dieser einen betroffenen Stelle in der Zeitreihe. Eine umfassende Fehlerbetrachtung erfordert also ein entsprechendes Vorgehen zu verschiedenen Zeitpunkten entlang der Zeitreihe, was den Rechen- und Zeitaufwand natürlich noch einmal erheblich vergrößert.The Known Monte Carlo method is based on a repeated calculation the data with varying input parameters. It must be a statistical relevant number of calculations carried out become meaningful Result can be achieved. This requires an extremely high Computing or time consuming what this type of error calculation for fast Analyzes rather uninteresting or sometimes even completely unsuitable. Also, the result of the error calculation applies only to this one affected Place in the time series. A comprehensive error analysis thus requires a corresponding procedure at different times along of the time series, which of course still takes the time and effort of computation once considerably enlarged.
Da sich die Datenverarbeitung von Zeitreihen-Messdaten zum Teil sehr komplex gestalten kann, wobei als Beispiel hier die meteorologische Flugzeugmesstechnik genannt werden soll, ist eine klassische Fehlerfortpflanzungsrechnung in Form einer analytischen Lösung, die auf der Linearisierung der Prozessierungsroutinen durch Verwendung einer lokalen Ableitung beruht, in einem solchen Fall wegen der komplizierten Zusammenhänge, der Vielzahl der verwendeten Messgrößen und dem Umfang der Prozessierungsroutinen in der Regel nicht mehr durchführbar. Aber auch die Monte-Carlo-Methoden sind gewöhnlich für eine Fehlerberechnung systematischer Fehler auszuschließen, weil sie zur Erzielung eines aussagekräftigen Ergebnisses einen zu hohen Rechen- und Zeitaufwand erfordern.There the data processing of time series data partly very can make complex, as an example here the meteorological aircraft measurement is called a classic error propagation calculation in the form of an analytical solution, those based on the linearization of the processing routines through use a local derivative, in such a case because of complicated relationships, the large number of measured variables used and the scope of the processing routines usually no longer feasible. But also the Monte Carlo methods are usually more systematic for error calculation To rule out mistakes because they are one to achieve a meaningful result require high computing and time.
Der Erfindung liegt die Aufgabe zu Grunde, ein Fehlerermittlungsverfahren für systematische Fehler bei Zeitreihen-Messdaten zu schaffen, das eine umfassende Fehlerbetrachtung auch bei komplexen Berechnungen in der Datenverarbeitung von Zeitreihen ermöglicht. Das durch die Erfindung zu schaffende Verfahren soll mit geringem Aufwand auf alle Datenverarbeitungsroutinen anwendbar sein und dabei systematische Abhängigkeiten der Ausgangsfehler und die zeitlichen Änderungen der Messgrößen sowie ihre Fehler berücksichtigen.Of the Invention is based on the object, an error detection method for systematic errors to create time series measurement data, the comprehensive error consideration even with complex calculations in the data processing of time series allows. The process to be created by the invention should be low Expenditure to be applicable to all data processing routines and thereby systematic dependencies the output error and the temporal changes of the measured quantities as well to consider their mistakes.
Gemäß der Erfindung, die sich auf ein Verfahren der eingangs genannten Art bezieht, wird diese Aufgabe in vorteilhafter und zweckmäßiger Weise dadurch gelöst, dass den Messdaten vor ihrer Prozessierung ein definiertes weißes Rauschsignal aufmoduliert wird, dessen Amplitude dem zu Grunde liegenden statistischen Fehler entspricht und das von der Variabilität des Datensignals durch Anwendung der Autokovarianzmethode trennbar ist, dass die mit dem Rauschsignal modulierten Messdaten-Zeitreihen mittels der vorgesehenen Datenverarbeitungsroutinen in unveränderter Weise prozessiert werden, dass nach erfolgter Prozessierung mittels Autokovarianzanalyse der Betrag des weißen Rauschens, der sich aus den verarbeiteten Zeitreihen in das Prozessierungsergebnis fortgepflanzt hat, innerhalb eines kleinen Zeitintervalls an beliebiger Stelle in den Daten analysiert wird und unmittelbar den Betrag des systematischen Fehlers im Endergebnis liefert.According to the invention, which relates to a method of the type mentioned, is solves this problem in an advantageous and expedient manner in that the measured data before their processing a defined white noise signal whose amplitude is the underlying statistical Error corresponds to the variability of the data signal by applying the Autocovariance method is separable, that with the noise signal modulated measurement data time series by means of the intended data processing routines in unchanged Be processed way that after processing by means of Autocovariance analysis of the amount of white noise that is evident propagated the processed time series into the processing result has, within a small time interval at any point is analyzed in the data and immediately the amount of systematic Error in the final result delivers.
Vorteilhafte und zweckmäßige Weiterbildungen und Ausgestaltungen des Verfahrens nach der Erfindung sind in den Unteransprüchen angegeben, die unmittelbar oder mittelbar auf den Patentanspruch rückbezogen sind.advantageous and appropriate training and embodiments of the method according to the invention are in the dependent claims specified, directly or indirectly, to the claim referred back are.
Die umfassende und vollständige Fehlerrechnung wird nach der Erfindung dadurch ermöglicht, dass auf die experimentell gewonnenen Messdaten-Zeitreihen ein definiertes Rauschsignal aufmoduliert wird, dessen Amplitude dem zu Grunde liegenden statistischen Fehler entspricht. Dies kann in vorteilhafter Weise unter Verwendung eines Zufallsgenerators erreicht werden, wie er als Standardroutine den meisten Programmiersprachen zur Verfügung steht oder aus den Handbüchern zu den entsprechenden Sprachen kopiert werden kann. Voraussetzung für diese vorteilhafte Methode ist es, dass diese Rauschfunktion durch Verwendung eines sogenannten Seed-Wertes definiert und reproduzierbar darstellbar ist.The comprehensive and complete Error calculation is made possible according to the invention thereby that on the experimentally obtained measured data time series a defined Noise signal is modulated whose amplitude is the underlying corresponds to statistical error. This can be done in an advantageous way be reached using a random generator, as he did as a standard routine is available to most programming languages or from the manuals can be copied to the appropriate languages. requirement for this advantageous method is that this noise function by using a so-called seed value defined and reproducible displayed is.
Das auf diese Weise erzeugte Rauschsignal ist völlig unkorreliert und erfasst gleichmäßig alle Frequenzen des Spektrums. Wegen dieser Eigenschaften ist das weiße Rauschen auch sehr einfach von der realen Variabilität des Messdatensignals zu trennen. Dazu sind zwei Methoden gebräuchlich, nämlich zum einen die Spektralanalyse und zum anderen die Autokovarianzmethode. Wegen der einfacheren Realisierung wird beim Verfahren nach der Erfindung die Autokovarianzmethode benutzt. Bei der Autokovarianzmethode zeigt sich die Varianz durch weißes Rauschen als scharfe Spitze bei der Zeitabweichung dt = 0, wogegen die reale Messdatensignal-Variabilität als kontinuierliche Kurve darunter liegt.The generated in this way noise signal is completely uncorrelated and recorded evenly all Frequencies of the spectrum. Because of these characteristics, this is white noise also very easy to separate from the real variability of the measured data signal. Two methods are commonly used namely to one the spectral analysis and the other the autocovariance method. Because of the simpler realization is in the process according to the Invention uses the autocovariance method. In the autocovariance method the variance is shown by white noise as a sharp peak with the time deviation dt = 0, whereas the real measured data signal variability as continuous Curve underneath.
Beim Verfahren nach der Erfindung geschieht die Fehlerrechnung durch Prozessierung der so durch das aufmodulierte Rauschsignal präparierten Messdaten-Zeitreihen. Die Rechnung ist also identisch mit der eigentlichen Datenverarbeitung. Somit können alle Datenverarbeitungsroutinen ungeändert verwendet werden. Nach erfolgter Prozessierung wird mittels einer Autokovarianzanalyse der Betrag des weißen Rauschens, der sich aus den verarbeiteten Zeitreihen in das Ergebnis fortgepflanzt hat, innerhalb eines kleinen Zeitintervalls an beliebiger Stelle in den Daten analysiert. Dieser Rauschbetrag stellt unmittelbar den Betrag des systematischen Fehlers im Endergebnis dar.At the Method according to the invention, the error calculation is done by Processing the thus prepared by the modulated noise signal Measurement data time series. The bill is therefore identical to the actual one Data processing. Thus, you can all data processing routines are used unchanged. To Successful processing is carried out by means of an autocovariance analysis the amount of white Noise, resulting from the processed time series in the result has propagated within a small time interval at any point analyzed in the data. This amount of noise is immediate the amount of the systematic error in the final result.
Durch Wahl identischer Seed-Werte für verschiedene Messparameter kann bei der Erzeugung des Fehlersignals für diese Größen ein korreliertes Signal mit beliebiger Amplitude aufmoduliert werden. Dies erlaubt die Analyse solcher korrelierter Fehler. Es ist auch möglich, eine variable Fehleramplitude zu verwenden, z.B. bei Annahme eines relativen Fehlers, und in einem Prozessierungsschritt auszuwerten.By Choice of identical seed values for Different measurement parameters can be used when generating the error signal for this Sizes correlated signal can be modulated at any amplitude. This allows the analysis of such correlated errors. It is also possible to have one to use variable error amplitude, e.g. assuming a relative Error, and to evaluate in a processing step.
Das Verfahren nach der Erfindung weist eine Reihe von Vorteilen auf, die nachfolgend im Vergleich mit den bereits existierenden Methoden der Fehlerfortpflanzung und des Monte-Carlo-Verfahrens erläutert werden.The Method according to the invention has a number of advantages, the following in comparison with the already existing methods error propagation and the Monte Carlo method.
Im Vergleich zu den beiden genannten bekannten Methoden lässt sich das Verfahren nach der Erfindung sehr einfach realisieren und verlangt nur einen geringen Programmaufwand. Es erfordert lediglich die Präparierung der Zeitreihen am Anfang der Rechnung und eine Auswertung am Ende. Die eigentlichen Datenverarbeitungsroutinen werden unverändert benutzt. Generatoren für weißes Rauschen sind ein typischer Bestandteil jeder Prozessierungssoftware und die Bestimmung des weißen Rauschens mit Hilfe der Autokovarianz ist eine verbreitete und anerkannte Methode.in the Comparison with the two mentioned known methods can be The method according to the invention is very easy to implement and demand only a small program cost. It only requires the preparation the time series at the beginning of the bill and an evaluation at the end. The actual data processing routines are used unchanged. Generators for white Noise is a typical component of any processing software and the determination of the white Noise with the help of autocovariance is a common and accepted Method.
Darüber hinaus verlangt das Verfahren nach der Erfindung im Vergleich zu den beiden erwähnten bekannten Methoden nur einen äußerst geringen Rechenaufwand, da lediglich ein Lauf in der Datenverarbeitung benötigt wird. Nach diesem Lauf ist eine Fehlerbetrachtung für alle Größen und Zeiten ohne weitere Programmläufe möglich.In addition, the method according to the invention requires only a very low computational effort compared to the two mentioned known methods, since only one run is required in the data processing. After this run is a mistake viewing for all sizes and times without further program runs possible.
Die Natur des Verfahrens nach der Erfindung gestattet es im Gegensatz zu den beiden erwähnten bekannten Methoden, eine Fehlerbetrachtung an jeder beliebigen Stelle im Datenverar beitungsprogramm, also auch für Zwischengrößen, ohne weiteren Aufwand durchzuführen.The Nature of the method according to the invention allows it in contrast to the two mentioned known Methods, error consideration at any point in the data processing program, also for Intermediate sizes, without to carry out further effort.
Anders als bei den beiden bekannten Methoden können durch Verwendung von definierten Seed-Werten bei der Erzeugung des Rauschsignals Korrelationen zwischen verschiedenen Fehlern in der Fehlerrechnung berücksichtigt werden. Die Verwendung der Seed-Werte gestattet es darüber hinaus, die Rauschmodulation aus den Messdaten wieder zu entfernen, ohne die Messdaten neu einlesen zu müssen. Dies gestattet die Rückkehr in die normale Datenverarbeitung ohne hinzugefügtes Rauschsignal. Das gezielte An- und Abschalten des Rauschbeitrages für bestimmte Messgrößen erlaubt es des weiteren, den spezifischen Fehlerbeitrag aus diesen Quellen zu untersuchen und zu quantifizieren.Different as with the two known methods, by using defined seed values in the generation of the noise signal correlations between different Errors in the error calculation are considered. The usage the seed values allow it over addition, to remove the noise modulation from the measurement data again, without having to read in the measurement data again. This allows the return in the normal data processing without added noise signal. The targeted Switching on and off of the noise contribution allowed for certain measured variables furthermore, the specific error contribution from these sources to investigate and quantify.
Im Gegensatz zur bekannten Fehlerfortpflanzungsmethode ist das Fehlerberechnungsverfahren nach der Erfindung völlig unabhängig von der Komplexität der Datenverarbeitungsroutinen. Es berücksichtigt auch nicht-funktionale Zusammenhänge bei der Datenverarbeitung, z.B. bei der Skalierung von Messwerten mittels Interpolation von Kalibrierwerten.in the Contrary to the known error propagation method is the error calculation method according to the invention completely independently from the complexity the data processing routines. It also takes into account non-functional relationships in data processing, e.g. in the scaling of measured values by interpolation of calibration values.
Im Vergleich mit der bekannten Fehlerfortpflanzungsmethode ist das Verfahren nach der Erfindung exakt und kommt ohne Näherungen oder einschränkende Annahmen aus. Es berücksichtigt dabei auch automatisch Änderungen am Prozessierungscode und muss der Datenverarbeitung nicht angepasst werden.in the Comparison with the known error propagation method is the Method according to the invention exactly and comes without approximations or restrictive Assumptions. It takes into account it also changes automatically on the processing code and does not need to be adapted to the data processing become.
Beim Verfahren gemäß der Erfindung erfolgt im ersten Schritt die Modulation einer Messdaten-Zeitreihe durch ein Zufallssignal. Dazu wird die Fehlermodulation auf die eigentlichen Messdatensignale aufaddiert, wobei das Messdatensignal bei der Modulation also nicht festgehalten wird. Damit vermischt sich der gegebene, real variierende Verlauf der Messgröße mit dem stochastischen Fehlersignal.At the Method according to the invention In the first step, the modulation of a measurement data time series takes place by a random signal. For this, the error modulation on the actual measured data signals added, wherein the measured data signal is not recorded during the modulation. This mixes the given, real varying course of the measured variable with the stochastic error signal.
Mit Hilfe der Autokovarianzmethode sind diese Beiträge allerdings problemlos im Endergebnis voneinander zu trennen. Im Gegensatz dazu arbeitet die bekannte Fehlerfortpflanzungsmethode nicht mit der Modulation von Messwerten und die bekannte Monte-Carlo-Methode wird über eine Modulation isolierter Mittelwerte betrieben.With However, thanks to the autocovariance method, these contributions are easily available To separate the final result. In contrast, the works known error propagation method not with the modulation of Measurements and the well-known Monte Carlo method is over a Modulation of isolated averages operated.
Beim Verfahren nach der Erfindung erfolgt im zweiten Schritt eine einmalige Prozessierung des Messdatensatzes. Das Verfahren erlaubt es, eine Fehlerrechnung mit nur einem Prozessierungsdurchlauf zu realisieren. Dies ist nur deswegen möglich, weil ein Rauschsignal und der real variierende Zeitverlauf einer Messgröße überlagert werden. Dadurch ist das Verfahren nach der Erfindung extrem schnell. Bei der bekannten Fehlerfortpflanzungsmethode sind dagegen entlang der Zeitreihe beliebig viele Rechnungen zur Erfassung des Zeitverlaufs eines Fehlers nötig. Auch bei Anwendung der bekannten Monte-Carlo-Methode sind viele Rechenläufe erforderlich, bis die Statistik einigermaßen aussagekräftig wird.At the Method according to the invention takes place in the second step, a one-time Processing of the measurement data record. The procedure allows an error calculation to realize with only one processing run. This is only because of this possible because superimposed on a noise signal and the real time variation of a measured variable become. As a result, the method according to the invention is extremely fast. at the known error propagation method, however, are along the Time series Any number of bills to record the time course a mistake needed. Even with the use of the known Monte Carlo method many calculation runs are required until the statistics reasonably meaningful.
Beim Verfahren nach der Erfindung kann das Zusammenspiel aller Fehlerquellen in allen Prozessierungsparametern simultan untersucht werden. Durch gleichzeitiges Aufbringen des Rauschsignals auf alle Eingangsgrößen wird die integrale Wirkung aller Fehlerquellen zu jeder Zeit unmittelbar klar ersichtlich. Wenn nicht durch Verwendung identischer Rauschsignalverläufe, die über die Seed-Werte eines Zufallsgenerators eingestellt werden können, untereinander gewollte Korrelationen der Fehlerquellen erzeugt werden, entfalten die Einzelfehler völlig unabhängig voneinander ihre Wirkung. Das Endergebnis zeigt somit zu allen Zeitpunkten die Unsicherheit aus der Überlagerung unabhängiger Fehlerquellen. Die bekannte Fehlerfortpflanzungsmethode zeigt dagegen die Wirkung aller Fehler nur für jeweils eine Endgröße separat. Bei der bekannten Monte-Carlo-Methode wird auch immer nur eine Ausgangsgröße moduliert und es erfolgt eine Anwendung nur auf eine repräsentative Wertekombination, z.B. Mittelwerte, also nur auf einen Zeitpunkt der Messung.At the Method according to the invention, the interaction of all sources of error be examined simultaneously in all processing parameters. By simultaneous application of the noise signal to all input variables the integral effect of all sources of error at any time immediately clearly visible. If not by using identical noise waveforms over the Seed values of a random number generator can be adjusted among themselves desired correlations of the error sources are generated unfold the single errors completely independently from each other their effect. The end result thus shows at all times the uncertainty from the overlay independent Sources of error. The known error propagation method, however, shows the effect of all mistakes only for each one final size separately. In the known Monte Carlo method, only one output variable is always modulated and it is applied only to a representative value combination, e.g. Mean values, ie only at one time of the measurement.
Das erfindungsgemäß arbeitende Verfahren ermöglicht eine Fehlerrechnung für alle Prozessierungszwischengrößen. Das weiße Rauschen, das in den Ausgangsgrößen enthalten ist, taucht natürlich an jeder Stelle in der Datenverarbeitung, also auch bei den Zwischengrößen, als Überlagerung der Beiträge aus den prozessierten Größen auf. Somit ist auch eine Analyse des Rauschbeitrages an jeder Stelle im Programm (Zeit und Messgröße) möglich. Bei der bekannten Fehlerfortpflanzungsmethode ist dagegen eine explizite Rechnung für jede berechnete Größe und für jede Zeit nötig. Bei der bekannten Monte-Carlo-Methode wird die Fehlerrechnung nur für eine bestimmte Wertekombination (Zeit) durchgeführt.The working according to the invention Procedure allows an error calculation for all intermediate processing sizes. The white Noise contained in the output quantities is, of course, turns up every point in the data processing, including the intermediate sizes, as an overlay the contributions from the processed sizes. Thus, an analysis of the noise contribution is at each point in the program (time and measurand) possible. at the known error propagation method, on the other hand, is an explicit one bill for each calculated size and for each time necessary. In the known Monte Carlo method, the error calculation is only for a certain Value combination (time) performed.
Das Verfahren nach der Erfindung ermöglicht darüber hinaus noch eine Analyse der Auswirkungen von korrelierten Fehlerquellen. Durch Verwendung identischer Seed-Werte kann die Fehlerzeitreihe exakt reproduziert werden, um mit beispielsweise anderem Vorzeichen oder anderer Amplitude einer anderen Ausgangsgröße aufmoduliert zu werden. Dies ist gerade dann notwendig, wenn zwischen den Fehlerquellen zweier verschiedener Größen ein funktioneller Zusammenhang besteht. Bei der bekannten Fehlerfortpflanzungsmethode kann eine Korrelation zwischen verschiedenen Messgrößen überhaupt nicht berücksichtigt werden, da hierbei lediglich mit einer mittleren Fehleramplitude gerechnet wird. Auch bei Anwendung der bekannten Monte-Carlo-Methode ist das Zusammenspiel verschiedener Feh lerquellen nicht darstellbar, da immer nur eine Größe variiert wird.The method according to the invention also allows an analysis of the effects of correlated error sources. By using identical seed values, the error time series can be accurately reproduced to be modulated with, for example, a different sign or different amplitude of a different output. This is especially necessary when zwi There is a functional connection between the sources of error of two different quantities. In the known error propagation method, a correlation between different measured variables can not be taken into account at all, since in this case only a mean error amplitude is calculated. Even when using the known Monte Carlo method, the interaction of various error sources is not representable, since only one size is varied.
Das Verfahren nach der Erfindung wird nachfolgend im einzelnen anhand von Zeichnungen erläutert. Es zeigen:The Method according to the invention will be described in detail below explained by drawings. Show it:
In
Die
Datenverarbeitung der das Beispiel betreffenden Flugmessdaten ist
sehr aufwendig. Die im vorliegenden Fall verwendeten Datenverarbeitungsroutinen
umfassen z.B. etwa 20 000 Programmzeilen. Etwa 60 Messgrößen gehen
in die Datenprozessierung ein und die Zahl der berechneten Sekundärdaten und
Zwischengrößen, die
bei der Datenverarbeitungseinrichtung
Im
Einzelnen ist in
In
- 11
- Erfassungseinrichtungdetector
- 22
- DatenverarbeitungseinrichtungData processing device
- 33
- ErgebnisausgabeeinrichtungResult output device
- 4, 54, 5
- Programm-ModuleProgram modules
- AKVAKV
- Autokovarianzautocovariance
- dtdt
- Zeitintervall-Zeitabweichungsachse in secTime interval time deviation axis in sec
- SS
- Spitzetop
- tt
- Zeit in secTime in sec
- TT
- Außentemperatur in °Koutside temperature in ° K
- UU
- Untergrund; natürliche Varianz der ZeitreiheUnderground; natural Variance of the time series
- VV
- Varianz des systematischen Ergebnisfehlersvariance the systematic result error
Claims (10)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE2003140793 DE10340793B4 (en) | 2003-09-02 | 2003-09-02 | Method for the computational determination of systematic errors of processed time series measurement data |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE2003140793 DE10340793B4 (en) | 2003-09-02 | 2003-09-02 | Method for the computational determination of systematic errors of processed time series measurement data |
Publications (2)
Publication Number | Publication Date |
---|---|
DE10340793A1 true DE10340793A1 (en) | 2005-04-07 |
DE10340793B4 DE10340793B4 (en) | 2006-07-27 |
Family
ID=34258403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE2003140793 Expired - Fee Related DE10340793B4 (en) | 2003-09-02 | 2003-09-02 | Method for the computational determination of systematic errors of processed time series measurement data |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE10340793B4 (en) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006048604A1 (en) * | 2006-10-13 | 2008-04-17 | Siemens Ag | Method and device for checking a sensor signal |
EP3514499A1 (en) * | 2018-01-23 | 2019-07-24 | Siemens Aktiengesellschaft | Verification of sensor data |
DE102011014317B4 (en) | 2011-03-18 | 2021-07-29 | Robert Bosch Gmbh | Sensor monitoring of a position measuring device by means of heat noise |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3836417A1 (en) * | 1988-10-26 | 1990-05-03 | Bodenseewerk Geraetetech | FILTER ARRANGEMENT FOR GENERATING AN ESTIMATED VALUE OF A MEASURING SIZE INFLUENCED BY INTERFERENCE |
DE3842580A1 (en) * | 1988-12-17 | 1990-06-21 | Behringwerke Ag | METHOD FOR IMPROVING THE ACCURACY AND REPRODUCIBILITY OF THE MEASURED DATA OF IMMUNOMETRIC TESTS |
DE3924691C2 (en) * | 1989-07-26 | 1993-11-04 | Daimler Benz Ag | METHOD FOR COMPENSATING ERRORS OF AN ACCELERATOR |
DE19506388C1 (en) * | 1995-02-23 | 1996-08-22 | Buero Fuer Ca Technik Dipl Ing | Method for recognizing systematic errors, in particular for the automatic detection of malfunctions in quality controls, by means of measuring devices equipped with measuring sensors |
DE19525055A1 (en) * | 1995-07-10 | 1997-01-16 | Taplick Thomas Dr | Experimental data evaluation method - choosing step width between digital samples statistically for mathematical method used within data processing as well as between repeatedly performed data processing |
-
2003
- 2003-09-02 DE DE2003140793 patent/DE10340793B4/en not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3836417A1 (en) * | 1988-10-26 | 1990-05-03 | Bodenseewerk Geraetetech | FILTER ARRANGEMENT FOR GENERATING AN ESTIMATED VALUE OF A MEASURING SIZE INFLUENCED BY INTERFERENCE |
DE3842580A1 (en) * | 1988-12-17 | 1990-06-21 | Behringwerke Ag | METHOD FOR IMPROVING THE ACCURACY AND REPRODUCIBILITY OF THE MEASURED DATA OF IMMUNOMETRIC TESTS |
DE3924691C2 (en) * | 1989-07-26 | 1993-11-04 | Daimler Benz Ag | METHOD FOR COMPENSATING ERRORS OF AN ACCELERATOR |
DE19506388C1 (en) * | 1995-02-23 | 1996-08-22 | Buero Fuer Ca Technik Dipl Ing | Method for recognizing systematic errors, in particular for the automatic detection of malfunctions in quality controls, by means of measuring devices equipped with measuring sensors |
DE19525055A1 (en) * | 1995-07-10 | 1997-01-16 | Taplick Thomas Dr | Experimental data evaluation method - choosing step width between digital samples statistically for mathematical method used within data processing as well as between repeatedly performed data processing |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006048604A1 (en) * | 2006-10-13 | 2008-04-17 | Siemens Ag | Method and device for checking a sensor signal |
US8797047B2 (en) | 2006-10-13 | 2014-08-05 | Continental Automotive Gmbh | Method and device for checking a sensor signal |
DE102011014317B4 (en) | 2011-03-18 | 2021-07-29 | Robert Bosch Gmbh | Sensor monitoring of a position measuring device by means of heat noise |
EP3514499A1 (en) * | 2018-01-23 | 2019-07-24 | Siemens Aktiengesellschaft | Verification of sensor data |
CN110068357A (en) * | 2018-01-23 | 2019-07-30 | 西门子股份公司 | The verifying of sensing data |
KR20190089771A (en) * | 2018-01-23 | 2019-07-31 | 지멘스 악티엔게젤샤프트 | Verification of sensor data |
KR102181402B1 (en) * | 2018-01-23 | 2020-11-23 | 지멘스 악티엔게젤샤프트 | Verification of sensor data |
US10983157B2 (en) | 2018-01-23 | 2021-04-20 | Siemens Aktiengesellschaft | Verification of sensor data |
Also Published As
Publication number | Publication date |
---|---|
DE10340793B4 (en) | 2006-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE3642922A1 (en) | PHOTOELECTRIC COLOR MEASURING DEVICE USING THE COLOR VALUE PROCESS | |
EP3388847A1 (en) | Signal analysis in time and frequency | |
EP3830660B1 (en) | Method and assistance system for parameterization of an anomaly detection method | |
DE102009033156A1 (en) | Apparatus and method for measuring and / or generating electrical quantities | |
DE3023625A1 (en) | SYSTEM FOR MONITORING THE CONCENTRATION OF A SPECIFIC GAS IN A (ENVIRONMENTAL) SAMPLE | |
DE10340793B4 (en) | Method for the computational determination of systematic errors of processed time series measurement data | |
EP2343611A1 (en) | Method for computer supported generation of an executable control program and corresponding configuration device | |
DE2938991A1 (en) | SYSTEM FOR MEASURING AND ANALYZING GAS BY GAS CHROMATOGRAPHY | |
EP2250538B1 (en) | Method for the visual display of the quality of power transmitted on a power transmission system | |
EP3942372B1 (en) | Method for validating system parameters of an energy system, method for operating an energy system, and energy management system for an energy system | |
DE69629711T2 (en) | Diagnostics of component networks using tape modeling | |
DE102009029073A1 (en) | Method for carrying out a self-test for a micromechanical sensor device and corresponding micromechanical sensor device | |
DE10011607A1 (en) | Operating method for technical system enabling intelligent operating parameter setting for technical system with several system parts for optimal system operation | |
DE4222475A1 (en) | Arrangement for masking out interference signals on signal lines | |
DE102004034398B4 (en) | Method for determining a linear relationship from electronically storable measured data | |
DE3240528C2 (en) | ||
DE102013223467A1 (en) | Development device for configuring a model of a technical system for displaying signal curves | |
DE3914233C1 (en) | Computer program protection device - has generator data output connected with consisting testing stage | |
DE102015212962B4 (en) | Method for determining spectral characteristics of an optical signal of a measurement object | |
DE102005018063A1 (en) | Method for receiving and assigning conditional dependent test results | |
EP2820437B1 (en) | Method for determining a relationship between two sinusoidally periodically varying variables and diagnosis device | |
DE102019220419A1 (en) | Method and device for simulating a technical system | |
EP4330845A1 (en) | Modeling method | |
DE2347623A1 (en) | METHOD AND DEVICE FOR DETERMINING THE DRYNESS OF AN ELEMENT, IN PARTICULAR A PAPER OR FILM, WHICH HAS A COATING SOAKED WITH A LIQUID | |
DE29911177U1 (en) | Device for recording and visualizing vehicle-related measured values |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
8127 | New person/name/address of the applicant |
Owner name: DEUTSCHES ZENTRUM FUER LUFT- UND RAUMFAHRT E.V. |
|
8364 | No opposition during term of opposition | ||
R084 | Declaration of willingness to licence | ||
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |